本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明仅保留物体并不等于不依赖上下文：物体检索中背景移除的反事实诊断方法
简介该论文研究物体检索中先遮罩背景再池化特征的做法是否真的得到只反映物体的描述子。作者提出 Keyhole Aperture Probe（KAP）诊断方法，固定物体区域、仅改变其外部像素，以衡量骨干网络对上下文的依赖程度。结果显示，池化后的物体区域已融入周围上下文；在十个骨干网络上，仅物体描述子只保留约四分之一到三分之二的整图准确率。作者还提出轻量适配器以降低这种依赖，并在 INSTRE 与 ILIAS 上改善检索效果，同时发布了 KAP 评估协议。
说明基于时间切片平面拟合的事件相机光流约束
简介该论文针对基于事件的光流估计提出新方法。传统时空平面近似假设速度恒定，会平均掉速度的时间变化。作者沿时间轴扩展该平面近似，将时空体划分为子区间并进行两步平面拟合以跟踪物体边缘，并加入空间补偿与时间正则项。实验表明，建模速度的时间变化可提高光流估计精度。
说明无需到达即作答：具身问答的证据审计
简介该论文提出一个多房间具身问答基准，包含200个测试回合和800个问题，并设计了从纯文本到闭环智能体再到参考轨迹回放的评估阶梯。研究发现，闭环视觉语言智能体在未到达目标的情况下仍能回答45.5%的问题，与不给图像时几乎相同，而回放参考轨迹后准确率升至57.4%，说明证据存在于路线中却未被有效收集。作者据此指出，在将准确率提升归功于记忆之前，必须先验证证据获取、答案覆盖和捷径敏感性。
说明迈向自我演化的叙事系统：借助大语言模型实现实时适应与长期优化
简介本文提出一种混合叙事框架，通过语义相似度对齐，动态平衡预先编写的内容与大语言模型实时生成的内容。同时引入自我演化、反馈驱动的优化框架，利用上下文学习迭代改进提示词，无需人工调整提示。案例研究与参与者评估显示，该框架提升了叙事连贯性，并保留了玩家的主动性。
说明无需回放的海马体式巩固：全参数微调网络中的持续学习
简介该论文针对神经网络持续学习时的遗忘问题，提出在训练期间使用的海马体式记忆，记录每组共享输入的突触的输入几何结构，并限制各突触在各方向上的移动。作者称该方法无需跨任务回放、教师模型或推理时记忆，即可让全参数可训练网络持续学习，并在四类架构、最多80亿参数的模型上得到验证。
看点提出训练期海马记忆索引输入几何以限制突触移动，无需回放即可防遗忘，跨四类架构与至多80亿参数模型验证，并在TACRED上领先冻结骨干基线17.5点。
说明追踪语言模型如何将时间锚点整合进事实回忆
简介这篇论文研究语言模型在回答带有条件（如年份）的事实问题时，如何利用时间锚点选出对应的答案。作者在四个开源模型上用因果干预实验，发现存在两条并行路径：一条通过主语表示被年份调整，另一条由末位置直接关注锚点并由上层MLP转化为偏好。两条路径的贡献相加，且其平衡随查询关系而变化。
说明超越多模态情绪冲突：基于时序上下文与多模态大模型的隐藏情绪检测
简介本研究区分普通的多模态情绪不一致与刻意隐藏情绪两种情况，并在证据支持时推断真实情绪。研究计划构建标注了表达情绪、内在情绪和隐藏条件的多模态基准数据集，并开发基于多模态大语言模型的框架，整合细粒度面部动作单元、跨模态特征和时序上下文。
说明离线Q学习中的直接知识迁移：利用相关环境数据改进目标环境下的策略学习
简介本文研究离线强化学习中的知识迁移问题，适用于营销和医疗等目标环境数据有限的场景。作者提出直接迁移拟合Q迭代方法（DFQI），在每次贝尔曼更新中联合估计目标与源环境的价值函数系数，并通过L1惩罚项将二者关联。论文在平稳折扣环境下给出了目标估计和策略学习的统计保证，实证研究显示该方法能有效利用源数据提升目标策略学习效果。
说明ReWY：加速 Delta 规则注意力族的梯度计算
简介该论文提出 ReWY，一种代数重写方法，用于减少 Delta 规则线性注意力（如 DeltaNet、GDN、KDA、GDN2）反向传播中的冗余计算，在保持前向递推与梯度精确一致的前提下简化计算图。作者在 NVIDIA GPU 与 Ascend NPU 上实现该方法，并报告了相对基线的反向计算加速结果。
看点新意在于把分块反向的辅助伴随量消去，将七个局部WY矩阵乘积减为三个；摘要报告在H100、H200与Ascend 950DT上测得1.09–2.89倍反向加速。
说明VLSplat：基于场景图、由视觉语言引导的面向物体三维高斯泼溅
简介该论文提出VLSplat方法，用于三维高斯泼溅中以物体为中心的语义提升。它在基于掩码的提升之外，加入来自视觉语言模型的物体级语义先验，并借助物体组场景图细化高斯表示。两个语言引导模块分别抑制物体组内的语义噪声，并从相邻组中吸纳结构相关的候选以扩展物体支持区域。论文称，在室内场景数据集上的实验表明，该方法提升了物体级类别的语义一致性和结构完整性。
说明Spade-SLAM：用稀疏对应锚点实现稠密自监督视觉SLAM
简介本文提出Spade-SLAM，一种稠密视觉SLAM（同步定位与建图）框架，采用自监督方式训练，不需要真实位姿和深度标签。方法结合基于图像扭曲的光度损失提供稠密训练信号，并用由图像特征匹配得到的稀疏对应损失稳定优化、抑制模糊区域的漂移。实验表明，该方法比现有自监督基线更稳健、更准确，接近使用显式位姿和深度监督训练的系统。
说明TriPhysBench：评估具身智能体的物理智能
简介该论文提出 TriPhysBench 基准，包含来自 200 个视频的 410 道题，用于考察具身智能体在物理感知、物理知识检索和物理推理三方面能力的协同表现。其中表现最好的视觉语言模型答案准确率仅为 50.38%。论文还提出 TriPhys 框架，从完整的工具集成轨迹中学习统一策略，在未参与训练的 110 道题上提升了答案与解答得分，TriPhys-27B 相比其 Qwen3.6-27B 基础模型答案准确率相对提升 17.7%。
说明几何形态学习：让基础模型从结构走向时空智能
简介该论文提出一种名为“几何形态学习”的新学习框架，旨在让深度学习模型学习物体的几何或拓扑结构、形状与构象，用于表示学习、推理与动作建模。论文构建了连接局部与全局结构的“神经丛”，并定义了联络、曲率等可微算子。作者认为该框架可用于基础模型、推理规划、图建模、物理模拟、偏微分方程系统与动力学等领域。
说明RECEIPT：衡量并修复 LLM 智能体在 Web 服务运维中的返回假设
简介论文指出，智能体工具调用默认命令会在限定时间内返回且请求的操作已完成，但许多命令会先提问再执行。作者收集了大量生产与公开轨迹，测试了 8 个常用框架的启动方式，并构建了两套测试集。提出的 RECEIPT 方法保持输入开放并通过系统调用读取进程等待状态，结果显示其可显著减少虚假成功声明。
看点首次系统测量并修复LLM智能体的返回假设，提出以系统调用读取等待状态的RECEIPT方法，在多项实验基准上验证。
说明《留意步长：Adam 的间隔最大化偏置取决于学习率调度》
简介本文研究了 Adam 优化器在二分类齐次模型上的隐式偏置，及其与符号梯度下降的相似性。作者发现这种偏置依赖于学习率调度：在常数或缓慢衰减的调度下，Adam 不存在与轨迹无关的间隔最大化偏置，而是最大化一种依赖轨迹的加权 ℓ2 间隔。在中间区间的调度下，作者在梯度方向收敛的条件下证明了 ℓ∞ 偏置。此外，论文还给出了全批量 Adam 在一般齐次模型上的损失衰减速率。
看点新意在于指出Adam隐式偏置依赖学习率调度，给出非平凡的轨迹相关加权ℓ2间隔最大化；摘要报告在深度线性网络与齐次模型上的理论结果。
说明你的长程终端基准真的有深度吗？衡量与合成终端任务的深度
简介本文关注用于评估和训练智能体的长程终端任务。作者指出，常用的回合数和模型自设的难度标签并不能可靠反映任务本身的难度，并提出以“工作量”和“深度”描述任务。论文审计了六个现有数据集中的734个任务，并提出DEPTH方法，逐段生成并在真实软件环境中执行任务，生成的105个任务在深度和工作量上超过所审计的数据集，用其微调Qwen3-8B后，模型在两个终端基准上有所提升。
看点提出以顺序依赖的深度衡量终端任务难度，并用分段生成方法合成任务；在六个数据集上审计，并以该方法构建的任务微调模型后在两个基准上有提升。
说明TAC-CoT：通过交错显式标记实现工具增强的隐式思维链
此语言的简介未通过日期、金额等核对，暂缓展示，请以原文为准。
说明基于伪彩心电图图像的视觉-语言模型：T波形态与颜色语境是帮助还是干扰？
简介本文用领域适配的视觉-语言模型BiomedCLIP，对由伪彩心电图图像标注的尖端扭转型室速风险进行分类研究。作者在9789张图像上比较了彩色与无色图像以及不同的文本提示策略，采用五折交叉验证。结果显示，经训练后彩色图像在各项指标上均优于无色图像，而提示中是否提及颜色对结果没有影响。
说明AgenticMobility：面向多智能体出行动态的开源实验平台
简介本文介绍AgenticMobility，一个开源实验平台，用于研究出行AI智能体与其他AI智能体如何在重复经历中相互影响、逐步适应并共同影响出行结果。当前实现中，大语言模型智能体在MATSim中扮演出行者（选择路线和出发时间）和管理者（定期调整路段收费）。初步演示在五种配置下各模拟100天，每种配置运行一次，共享同一仿真种子。平台可通过改变信息获取、保留的经验和管理反馈来开展个体适应、集体结果和管理干预的实验。源代码已公开。
说明超越统计一致性的机器学习：混合式人工智能
简介本文提出新的机器学习定义：当机器对每个输入给出的输出都能在形式系统中得到合理推导时，即视为学会了该函数。作者将哥德尔可表示性定理推广到经验对象，并证明机器学会真实概率当且仅当同时满足真值条件（估计收敛到真实概率，即统计一致性）与保证条件（机器能在系统内从记录中推导出自身的收敛）。文章还以此解释现代人工智能的混合性，即概率任务与演绎任务并存，统计提议器与演绎验证器相结合。
说明SurgQ-VLM：面向手术视频问答的问题条件双流压缩与答案类型感知强化学习方法
简介该论文提出SurgQ-VLM，一个用于手术视频问答的两阶段模型，基于LoRA微调的Qwen2.5-VL-7B。第一阶段采用问题条件的快慢双流压缩器，使每个视频片段的视觉令牌相比原始ViT补丁减少49倍；第二阶段使用GRPO与答案类型感知奖励进行后训练。在21,840个问题的封闭测试集上，模型关键词准确率达0.779，BLEU-4较零样本提升10倍。
说明谁来提问，谁来回答：线性注意力在混合语言模型中构建查询
简介该论文研究混合语言模型中线性注意力与softmax注意力的分工。作者在Qwen3.5和Granite4.0模型上发现一种编码-寻址电路，其中线性注意力层构建softmax注意力所用的查询表示。实验显示，替换该表示可以改变检索结果，并且寻址模块的计算可以跨架构迁移。研究认为，在混合检索中，线性注意力负责构建查询，softmax注意力负责执行查找。
说明反思式大语言模型反馈能否在湿实验规模的标注预算下奏效？
简介研究者在36个ProteinGym蛋白质功能数据集上模拟实验，每轮只获取96个标签，共六轮。比较显示，完整的大语言模型控制相比随机修改在测试排序相关性上没有可检测的优势。探索性消融实验发现，大语言模型的模型编辑本身有一定作用，但反复反馈的递归反思增益尚未得到证实。
说明面向安全关键控制系统的在线主动学习架构
简介本文提出Control AI，一种受生物智能“预测-评估-修正”过程启发的在线主动学习（OAL）架构，将深度神经网络的分层表征能力与自适应控制的实时误差反馈相结合。框架包含预测、潜在转移与重构模型，并以预测与测量之间的残差作为内部学习信号。文中还介绍了防止退化为恒等映射的交叉重构结构及若干变体，重点阐述其架构依据以及从概念反馈回路发展到大规模实用配置的过程。
说明差分隐私下张量因子模型载荷空间的联邦估计
简介本文研究在联邦式差分隐私约束下，如何估计Tucker张量因子模型中各客户端共享的载荷空间。方法在客户端结合私有稳定性检验、Huber聚合与高斯扰动，服务器端进行加权聚合。论文给出了由局部误差率平方的缩放调和平均控制的非渐近上界，并在强因子等条件下证明了在对数因子之内的极小极大最优性。此外还提出了无需噪声水平即可私有地选择调参与权重的自适应方法，并通过模拟和一个冥想特质脑电数据集进行了验证。
说明基于事件引导参考图像的免训练三维脑部MRI运动校正重建
简介头部运动会在三维脑部MRI中造成伪影，并可能影响结构测量。本文提出EventMC，一种免训练的运动校正方法，适用于交错笛卡尔采集。该方法迭代检测运动事件，利用稳定时段重建的参考图像估计运动，并从低频到高频逐步优化图像与运动。模拟实验中，其运动估计的平均PSNR比基于学习的MotionTTT最多提高4.0 dB；单次运行速度最多快7.5倍，显存占用不到其一半。在真实运动受损扫描数据上，EventMC无需训练即可达到与MotionTTT相近的平均图像质量。
说明微调预训练模型的鲁棒性系统评估
简介该研究系统评估了在不同数据集和攻击类型下，经过微调的预训练图像分类模型的鲁棒性。研究在MNIST、CIFAR10、CIFAR100和SVHN等公开图像数据集上，比较了ResNet50、DenseNet和MobileNet在干净数据及多种攻击下的表现。结果显示，微调模型的鲁棒性随数据分布和样本量变化，因此选择模型需依据具体任务需求。
说明资源受限下的稳健远程心电监测：异常过滤与预测不确定性对比
简介该论文研究在能耗受限的微控制器上，远程心电监测能否通过前端无监督异常检测来提高决策效率，并与分类器不确定性方法（蒙特卡洛Dropout与深度集成）进行比较。实验基于PTB-XL和BUT QDB数据集，在未见疾病和噪声条件下评估。结果显示，Deep SVDD两阶段系统在多数能耗预算下表现较好，每个输入的估计能耗明显低于部分对比方法。作者认为上游过滤有助于高效远程监测，但仍需独立验证和完整系统测量。
说明重新思考域偏移下联邦学习的模型聚合：一种保留知识的视角
简介该论文针对联邦学习中的域偏移问题，提出两阶段框架FKPL（联邦知识保留学习）：先通过子空间聚类分组训练领域专家编码器并冻结拼接，再用原型校准的全局线性分类器整合特征。在Office-Caltech-10、PACS和DomainNet子集上平均准确率分别为73.01%、67.00%和64.51%，并称分类器校准能有效整合保留的领域表示。
说明先验引导的物理信息深度学习，用于快速4D MRI重建
简介本文提出PGPI4MR方法，利用同一扫描中其他呼吸时相或定位扫描的信息，在不增加扫描时间的前提下重建4D MRI。在体内数据中，该方法在各扫描时长下误差最低，并在0.49秒内完成亚秒级MRI重建的误差比最佳对比方法低15.5%。不经重新训练时，它在3T腹部扫描上与最佳方法相当，在大腿扫描上经重新训练后误差降低6.6%。
说明不要瞎猜，要会提问：开放域大模型对话中主动澄清能力的评测与训练
简介研究发现，在七个大模型上测试真实用户查询时，不足11%的信息不完整的问题会触发追问。作者提出VagueBench基准，通过去除语言线索生成意图模糊和完全模糊的查询变体，并提出离线强化学习方法DialogGRPO，以对话状态有向无环图组织多轮追问。该方法在88%以上的模糊查询中获取缺失信息，且在完整查询上不过度追问，并能零样本迁移到MultiWOZ 2.4和AmbigQA。
说明基于游程长度BWT的高效Lempel-Ziv预测
简介本文针对Kosoy提出的Lempel-Ziv Plurality（LZP）预测算法给出高效在线实现，并提出一种新变体。作者使用游程编码的Burrows-Wheeler变换维护反向历史，将更新时间从Kosoy实现的O(z log^7 n)降至O(log z+log log n)。文中还提出Lempel-Ziv Majority（LZM）预测器，其预测时间与字母表大小无关，为常数时间O(1)。
说明面向自适应智能体系统的自动化有状态专业化
简介该论文提出ASpec框架，先通过进化搜索自动发现专家智能体原型，再让它们在任务实践中积累经验，形成可长期使用并能无人工干预地重新配置的专家团队。作者还设计了轻量级分层控制策略"先保留后升级"，用于决定何时沿用现有智能体系统、何时调整其结构。实验显示，该方法在GPQA等专家级科学基准上有明显提升，在更广泛的领域任务上达到当前最优水平。
说明Adam优化器中自生成的数值下限：幂律矩阵感知的证据
简介该论文研究在幂律协方差下的非凸低秩矩阵感知问题，观察Adam优化器何时停滞。作者发现，即使把数值稳定项ε₀降低很多，失败边界也会在约10⁻⁸附近饱和，并将其归因于由学习率α决定的动态下限。降低学习率比减小ε₀更有效。
说明面向异质子群的公平感知情境实验设计：保障可靠性与公平性
简介本文提出一种公平感知的情境追踪-停止实验设计算法（F-CTSD），用于在不同子群之间设计实验。该算法在最小化所需样本量的同时，对子群公平性提供统计保证，并分析了公平性与效率之间的权衡。数值实验显示，该算法在样本效率上优于现有方法，并将子群公平性违规降低了4.95%。
说明《蝴蝶之梦》：连接组约束视觉模型对世界模型推演结果的线性可分性
简介论文把果蝇视觉系统的一个已发表模型（仅用光流估计训练）置于世界模型生成的画面中，检验它的神经反应能否区分真实视频与由真实帧延续出的“梦境”。研究用分类器双样本检验，在训练后的模型中，九种梦境与真实画面的AUC为0.85至0.99，训练前则明显较低。作者还用仅打乱帧顺序的探针测量细微时序缺陷的可检测性。
说明循环语言模型的量化比想象中容易
简介本文研究线性循环语言模型的量化问题，指出这类模型的数值特性与基于 softmax 注意力的 Transformer 不同。作者分别分析循环状态之外的权重与激活，以及解码时循环状态本身的量化，并提出 LoReS 状态量化方法，结合尺度分组、按衰减调整的混合精度与随机舍入。文中报告该方法在多个模型上支持稳健的 8 位状态量化，并已在 vLLM 中实现端到端解码加速。
说明智能体计算机图形学进展综述
简介大型语言模型智能体可以生成图形代码并通过反馈迭代修改。本报告提出一套统一的分类法，用于描述各类计算机图形任务中的智能体系统，并开发了一个辅助研究人员大规模分析论文的智能体文献系统。报告还分析了新兴研究趋势，并讨论了智能体与工具协调、人机协作界面、长程规划以及交互式图形系统评估等开放性挑战。
说明学会记忆：面向长时程自回归视频生成的动态上下文管理
简介自回归视频生成在短片段上效果良好，但生成长视频时误差会逐步累积。本文提出学习式记忆框架L2M（Learning to Memorize），通过预测的重要性动态保留、淘汰并更新历史帧，并用指数移动平均重要性分数更新长期记忆。论文称该方法在固定的KV缓存预算下提升了长时程视频的生成质量和时间一致性。
说明基于联邦学习的隐私保护心电心率变异性情绪分类，用于情绪波动检测
简介本文提出一个隐私保护的情绪监测框架，通过心电图导出的心率变异性特征对情绪状态进行分类。研究在三个公开数据集（共74名受试者）上评估，并用可穿戴设备进行了试点验证。采用留一受试者交叉验证评估模型对未见个体的泛化能力，结果显示逻辑回归表现优于其他五种分类器。联邦学习实现可在不共享原始生理数据的情况下取得接近集中训练的性能。
说明面向不规则临床时间序列的缺失感知先验数据拟合网络
简介该论文针对临床检验指标记录间隔不均、缺失本身携带信息的问题，提出缺失感知的先验数据拟合网络MA-PFN。模型先用扩散模型从源域电子病历中学习检验值与观测掩码的联合轨迹先验，再用合成轨迹训练条件预测器，新患者可单次前向推理完成插补与预测。在MIMIC-III内部测试集和eICU外部数据集上，该方法在各项设定中表现最优，且无需目标域适配。
说明生物一致性：跨表征评估显微图像生成
简介该论文提出“生物一致性”这一评估原则，考察生成的显微图像、实例掩膜与文本条件之间，生物信息是否连贯一致并符合真实生物背景。作者开发了一个文本条件扩散框架，联合生成显微图像和实例掩膜，并在多组分析中比较不同表征。结果显示，各项指标表现因特征而异，生成质量、可控性与群体保真度是相互独立的属性。
说明FADE：一种用于多通道尾部估计的基于流模型的方法
简介本文针对超可靠低时延通信中多个接收机同时遭遇深度衰落的问题，提出基于流模型的角密度估计方法FADE，用于刻画极端事件在接收机之间的依赖关系。该方法将多变量极值转换为标准极值表示，并用流模型密度估计器从数据中学习依赖结构，无需预设参数形式。在无人机通信实验数据上，FADE与经验联合分布函数更吻合，相比Logistic和最大经验似然（MEL）方法，MAE最多降低22.4%。
说明Z-Cache：通过自我反思加速扩散Transformer
简介这篇论文提出Z-Cache，一种特征缓存方法，用于加速扩散Transformer的图像生成。它先预测后续缓存步骤的特征，再执行一次完整计算，然后根据前后计算结果修正缓存步骤的特征。论文称，该方法在生成质量接近原模型的同时提高了推理速度，例如在FLUX-dev文生图任务上实现6.22倍加速。
说明OpenNWM：一种通用导航世界模型，利用潜在动作预训练
简介OpenNWM 是一个通用导航世界模型，根据导航动作预测未来画面，用于支持路径规划。它先从大规模无动作标签的导航视频中学习通用潜在动作，再通过动作条件后训练使其与实际运动对齐。研究者构建了包含 1750 万帧视觉观测、来自 15 个异构来源的 NavAnywhere 数据集，涵盖地面机器人、人类和无人机等多种导航方式。实验显示，该方法在视觉预测和导航性能上均有提升。
说明MEX：音乐期待基准套件
简介本文提出一套名为MEX的基准测试套件，用于从感知角度检验估计音乐期待的计算模型，这类模型可从乐谱或音频中估算感知到的意外程度或不确定性等信息动态指标。该套件整合并扩展了音乐信息检索与认知科学中已有的评估任务，检验这些指标是否随重复而下降、是否与乐段边界对应、音频估计结果是否与符号音乐模型一致，以及能否预测脑电反应。作者强调这并非对音乐期待的完整计算刻画，而是一个会随认识加深而演进的跨学科开放项目，并公开了相关代码。
说明通过复杂任务语义分解实现自我进化的智能体工作流
简介本文提出一种自我进化的智能体工作流框架，将复杂任务按语义分解为子任务，每个子任务都有明确的适用条件和执行程序，程序可以是代码或按需调用的模型。智能体根据执行反馈修正分解方式并更新这些程序，从而减少每一步都调用大模型带来的推理成本和延迟。作者在GLEE竞赛中的讨价还价、谈判和说服任务上进行了实验，观察到多数最终决策程序以代码实现，代码已公开。
说明NEIGHBOR：让社区居民服务智能体的服务行为与证据使用保持一致
简介本文提出NEIGHBOR，一个面向社区居民服务的大模型智能体，它把服务行为规范训练进驱动工具调用的模型中，而非仅依靠系统提示。模型基于Qwen3-235B-A22B用LoRA微调，并已部署于东亚某城市一个区的居民服务平台。在离线评估中，领域专家对350条回答评分，该智能体得分为7.74/10，高于未微调模型的5.86，且在六个评分维度上均有提升。
说明ReFrame：面向全双工语音模型的静默感知计算回收方法
简介全双工语音模型在实时交互中对每个音频帧都要执行完整的模型推理，计算负载持续较高。ReFrame 把这一过程视为静默感知的计算问题，包含三部分：双方都静默时的多帧预测与校正（MSS），用户说话、智能体倾听时的已到达帧并行处理（LFF），以及把释放出的帧时间分配给外部检索和语言模型工作进程（FBR）。原文报告，在 FDBench 的 1,225 段对话上，ReFrame 将 GPU 执行时间降低 18.80% 至 31.01%。
说明LegoEnv：通过模块化重组自我演化的智能体环境
简介该论文提出一种新范式：由可复用的原子模块（意图、规则、数据和服务器）组合构建环境，并在环境无法给出可靠反馈时演化这些原子。作者据此构建了LegoEnv，包含基于223个应用的5,465个经过验证的环境，一轮演化后可解环境比例从71.6%提升到88.3%。在AutomationBench上，基于这些环境的SFT和RL训练分别提升了模型表现。
说明自然语言规则的作用域语法：按逻辑等价计数与枚举解读
简介论文研究面向人的规则在连接词括号化上存在的歧义，提出一种刻意有歧义的上下文无关文法，其推导树对应连接词骨架的各种解读。对于正的、无重复原子的片段，论文通过只读一次范式的唯一性刻画可实现的范式，给出计数递推并以穷举验证至11个原子。论文还指出歧义当且仅当同时使用合取与析取，并给出类别数的下界。
说明LUMEN：用于空间变化HDR光照估计的几何引导扩散模型
简介该论文提出LUMEN，一种几何条件扩散框架，可从单视角或多视角图像中，为任意空间位置合成高动态范围（HDR）环境光图。方法先从输入图像重建粗略三维场景，渲染部分环境图以编码可见性和空间结构，再与多视角图像特征融合后输入扩散Transformer生成完整光照图。作者构建了包含700个室内场景的合成数据集用于训练，实验表明该方法相比既有方法在视觉保真度和空间一致性上有明显提升。
说明RCFormer：面向遮挡鲁棒人脸关键点检测的可靠性感知上下文Transformer
简介本文提出RCFormer，用于在遮挡、光照不佳或姿态变化较大时检测人脸关键点。模型通过可见上下文条件化、可见性引导的上下文聚合和空间残差校正三个组件，增强对被遮挡局部区域的潜在特征恢复。恢复得到的热图被用作可靠性感知的结构线索，输入现有关键点检测网络。论文报告其在WFLW、COFW和300W数据集上改善了热图恢复并取得了较好的关键点定位结果。
说明CoGSeq-LTV：面向多业务交易分析、可处理缺失数据的可扩展图序列建模方法
简介该论文针对超级应用中多业务的交易日志，研究多业务、多时间跨度的价值预测问题。作者提出CoGSeq-LTV方法，结合批次构建的用户-物品图、保留时序与支付上下文的业务感知序列编码器，以及跨业务对比对齐，并采用零膨胀混合对数正态模型处理稀疏、长尾的累计价值目标。在BiBiSheng交易日志数据集上的实验显示，该方法在多个业务和时间跨度上优于代表性的LTV基线方法，包括较晚的时间外评估窗口。
说明视频世界模型的潜在预测误差何时能支持物理意外的论断？
简介该论文评估视频世界模型的预测误差是否真能反映物理意外。作者在IntPhys2基准上比较了潜在预测、掩码像素重建等表示，发现外观信息容易解码，而V-JEPA2只能较弱地区分物理可能与不可能事件。在Physion++和Kubric上的实验表明，预测误差会受画面重复、颜色变化等因素影响，不可能事件的误差有时反而更低，因此该误差并不可靠地衡量物理意外。
说明用于安全感知潜空间运动规划的控制障碍函数
简介该论文针对机械臂的潜空间路径规划，提出用在潜空间中学习的神经控制障碍函数（CBF）取代原有的二分类碰撞分类器，以实现避障。规划时通过闭式一阶修正把每一步潜变量投影回CBF约束上。在7自由度Franka Panda机械臂上，固定障碍任务成功率为75.6%，比35种调优分类器中的最佳配置高12.0个百分点；多位置任务为83.8%。在完全随机障碍设置下成功率降至33.0%。
说明面向异构环境无人机集群的领域感知分层联邦学习
简介本文提出领域感知分层联邦学习（DA-HFL），用于无人机集群在多变异构环境中的训练。方法结合移动性感知聚类、簇级聚合、云端Fisher加权融合、领域对抗共享骨干网络、环境专用头部以及带门控的推理与本地自适应。理论分析涵盖资源可行性、优化性质与通信计算复杂度。仿真表明，在四种异构环境中，该方法收敛更快，环境切换时精度更高，且聚类更稳定。
说明共享关系与特定选择：语言模型中的条件敏感性与竞争路径
简介该论文用受控的实体绑定实验，在 GPT-2 Small、Qwen2.5-1.5B 和 Llama-3.2-1B 上研究跨查询共享的关系表示如何影响具体的选择。结果显示，这种共享关系成分可迁移到新名称，但它的功能符号不一定可迁移，其局部选择增益会随模型和提示而变化。论文还通过路径截断分析指出，不同路径的作用可能相互抵消。
说明RIFT：面向单步生成式视频压缩的残差感知流迁移方法
简介该论文提出RIFT框架，用于单步生成式视频压缩。它利用预训练视频生成模型的时空先验，尝试恢复编解码过程中丢失的细节。RIFT引入残差几何诱导器，根据解码端可见的编解码信息，把预训练流预测转换为与内容相适应的恢复更新。作者在三个公开视频压缩基准上进行实验，结果显示该方法优于其他生成式视频压缩方法。
说明用检测Transformer替代反演：借助DETR从T1-T2磁共振数据量化微结构
简介本文提出把T1-T2相关磁共振成像的微结构量化视为目标检测任务。检测Transformer（DETR）以64组TI/TE信号为输入，直接预测一组由T1、T2和信号比例表示的微结构成分，无需逐体素重建完整谱。在模拟数据上，该方法的mAP@10为76.8%，高于先前模型（53.8%）和正则化NNLS（66.1%），且重建速度远快于NNLS。
说明OCBI：面向图像篡改定位的顺序敏感跨分支交互方法
简介该论文提出OCBI方法，用于定位图像中被篡改的像素，它扩展了Co-Transformers模型，通过建模两种特征组合顺序之间的差异，引入可学习的带符号修正项，并结合像素级自适应多尺度聚合进行预测。在五个干净测试数据集上，OCBI的宏平均PixelF1为0.5773，比基线高0.43个百分点；在JPEG压缩、高斯模糊和缩放等变换条件下，其平均PixelF1也优于基线0.95个百分点。
说明MemRole：让角色扮演智能体从记忆走向长程决策
简介论文提出MemRole框架，研究大语言模型角色扮演智能体如何在长叙事中依据过往经历做出符合角色的决策。框架包含长程记忆思考推理模式（LHMT），将推理拆分为情境理解、记忆激活和回应策略规划，并基于小说构建受时间线约束的角色记忆数据集进行训练。论文还提出自我精炼的同策略自蒸馏方法（SR-OPSD）。论文称MemRole-32B在基于记忆的角色扮演任务上较基座模型提升15.2分，并在CroSS-MR上取得最佳角色动机识别准确率。
说明扩散轨迹中记忆盆地的谱特征
简介该论文研究扩散模型如何原样复现训练数据中的样本，即记忆现象。作者提出一种几何刻画方法，指出轨迹进入记忆盆地时，局部谱会先出现一个占主导的奇异模式，随后急剧恢复。这一特征在推理轨迹和训练过程中均可观察到。论文还展示了基于该几何特征的干预方法，可在训练中抑制记忆，并在推理时引导轨迹远离记忆盆地，该方法在大规模文生图模型上同样有效。
说明EV充电仿真基准中的静默奖励与环境缺陷：诊断检查清单
简介该论文基于SUMO微观交通仿真器与OpenStreetMap路网，审计了一个用于电动汽车充电调度强化学习比较的五智能体基准，发现五类不会导致崩溃却会使比较产生偏差的缺陷，包括共享随机数生成器、奖励截断、归一化不匹配、重复惩罚和状态维度未接入等。作者量化了其中三类问题的影响，并提出一份八项低成本的初步审计检查清单。
说明FinishStrong：视频时序定位中起点不佳后仍能把结尾做好的学习方法
简介该论文针对视频时序定位中自回归模型结尾预测明显弱于起点预测的问题，提出两阶段后训练框架FinishStrong。第一阶段Online-start SFT让结尾预测基于模型自身生成的上下文进行训练；第二阶段Conditional-tree GRPO在同一起点分支内计算结尾奖励，以隔离起点带来的惩罚。文中报告FinishStrong-9B在TimeLens-Bench上整体IoU达到61.7%，并在从不完美起点继续时将后续结尾预测误差降低36.5%。
说明基于VR头显与姿态估计的服务机器人遥操作系统
简介本文提出一种服务机器人遥操作系统，结合人体姿态估计与虚拟现实（VR），实现直观的远程控制。系统使用Mediapipe进行2D姿态检测，并借助Intel RealSense D455相机的RGB-D数据得到3D人体姿态，再映射到机器人运动学上。研究在CHARMIE服务机器人上进行了实物实验，验证了系统在物体操作任务中的效果，同时指出手腕偏航角等关节角度的捕捉仍有困难。
说明表征系统性的有界评估协议
简介本文提出一种有界评估协议（Bounded-RS），用于检验神经网络是否不仅行为上具备系统性，其内部表征是否也具备系统性。方法针对被解释为使用某种声明表征的行为，在匹配的行为对比上检验该表征是否可恢复、是否被因果使用，并将结论归为未支持、仅存在、因果使用或未定四种状态之一。在作者发布的96组语义解析测试集上，微调T5模型的角色-填充绑定解释被判定为因果使用，分布式几何解释则在声明的搜索空间内被判定为未支持。
说明离散时间平均场博弈的优化框架与学习算法：一部专著，讨论大规模多主体博弈的均衡计算方法，包括不动点迭代、虚拟博弈和在线镜像下降等。
简介该专著研究有限状态与动作空间的离散时间平均场博弈，从马尔可夫决策过程和有限玩家随机博弈出发，提出平均场纳什均衡的概念并给出存在唯一性结果。文中利用马尔可夫决策过程的线性规划形式与占用测度，将均衡计算与数学优化联系起来，并介绍了不动点迭代、虚拟博弈、在线镜像下降等方法及其收敛性。数值例子涉及人群运动、交通路径选择、流行病管理和多重均衡的计算。
说明ReCoG：用于多领域图预训练的相对节点上下文
简介本文提出相对图上下文方法ReCoG，用于多领域图预训练。研究发现，预训练时去除源图中大比例的边反而能提升跨领域迁移精度，作者据此认为原始图结构会在跨图共享模型时产生冲突。ReCoG基于跨图一致的属性、结构和语义上下文训练单一图编码器，在18个目标数据集上的实验显示，其在1-shot跨领域节点分类上的平均准确率比最强基线高7.61个百分点。
说明面向智能城市中电动汽车实时充电管理的深度强化学习框架
简介本文提出一种边缘智能架构，每辆电动汽车通过查询共享的深度Q网络策略，并借助轻量级MQTT发布订阅通信来选择充电站。研究在摩洛哥拉巴特和丹吉尔两个真实道路网络中，以SUMO仿真比较了自适应启发式、表格Q学习、DQN及Double DQN四种策略。结果显示，在晚高峰需求下，DQN相比自适应启发式在充电速率和交付能量上分别提升6.8%和5.4%，但等待时间上无优势，且在第二个网络中排序并不稳定。
说明经验记忆持续演化、学习元控制：面向经验增强型大模型智能体的测试时自适应
简介本文提出在线元控制框架OMCE，用于经验增强的大语言模型智能体。它在测试时根据任务反馈更新经验记忆，并利用轻量级上下文赌博机元控制器，在直接使用、检索片段、指导和提炼四种认知动作中选择，以决定是否调用经验、采用何种记忆形式以及何时巩固新指导。在四个在线自适应基准和四种骨干模型上的实验显示，OMCE的首次尝试成功率最多比最强对比基线高20.5个百分点，每任务token用量相比使用GPT-5.2的ACE减少为其5.7至62.5分之一。
说明大规模凸回归：保持几何结构的约束稀疏化
简介凸回归是一种在保留形状信息的前提下进行非参数估计的方法，但其标准最小二乘形式含有 O(n²) 个支撑超平面约束，样本量增大时计算成本很高。本文提出一种基于 K 近邻的局部松弛方法，每个样本只保留最近的 K 个超平面约束。作者在每个固定维度 d≥2 下建立了统计保证，并通过合成凸函数基准实验验证，结果显示 KNN 方法的预测风险在邻域大小与理论尺度相符时接近完整估计器。
说明从单智能体自主发现到多智能体适应：元强化学习算法中伙伴反馈与惯例刚性的缩放规律
简介该论文研究自动发现的元学习强化学习算法在与同样在适应的队友协同训练时，能否持续提升能力，还是会陷入脆弱的协作惯例。作者在连续集体机器人任务（VMAS）和离散协作任务（Overcooked）上进行了1800余次实验，提出五条多智能体适应规律，涉及评估假象、物理耦合反馈、训练时长、跨伙伴协作以及动态诊断等方面。
看点提出多智能体适应中的评估幻觉与伙伴反馈缩放律，在VMAS与Overcooked上以1800余次实验验证，对元学习RL更新规则有参考价值。
说明思维链监督如何教会模型推理：理论分析
简介本文研究训练时使用思维链（CoT）监督如何影响模型的推理行为。作者引入一个基于线性回归梯度下降轨迹训练的上下文权重预测模型，并用高维渐近分析方法考察长程推理的成功与失败模式。文中区分了过度思考的两种机制（误差累积与误差放大），并通过线性模型和多头 softmax 注意力模型的实验验证这些现象。
看点提出上下文权重预测模型并用高维渐近分析刻画长程推理相变，区分两类过度思考机制，实验验证定性行为。
说明RSI-Env：面向智能体递归自我改进的开放式环境
简介本文提出RSI-Env，一个用于协调改进模型与运行框架（harness）的持久化环境，支持自主训练、框架修改和研究状态保存。系统在三种设定下（开放通用、能力导向、基准引导）与两个固定外部教师进行比较，任务从Qwen3.8-27B加最小框架出发。结果显示，在无基准反馈的情况下，开放通用设定将GPQA Diamond准确率从65.2%提升至73.2%，AIME 2026从53.3%提升至56.7%。
说明CacheWeave：学习选择性重算以实现高效的位置无关KV缓存
简介该论文针对位置无关KV缓存中独立编码会忽略跨块交互、导致精度下降的问题，提出CacheWeave方法。它先将完整模型适配到位置无关缓存，再冻结模型并训练一个基于模型自身的块选择器，用于挑选需要重算的连续token块。配套的运行时CacheWeave-Serve支持私有与共享KV缓存，并在GPU上完成选择与重算。在5%重算预算下，该方法平均优于CacheBlend和ProphetKV。
说明用更少但足够的知识图谱事实作答：关系知识选取紧凑上下文及外部检查的局限
简介该论文研究大语言模型读取知识图谱事实时的表现。作者利用关系知识（人工编写或从标注关系路径的训练问题中学习）选出紧凑的事实上下文并推导答案，并设计可推导性检查、一致性检查和路由门控。实验显示，在多个开源模型上，该方法在精确匹配上优于按相关性排序的事实，在 ComplexWebQuestions 上以约四分之一的提示词元达到与 SubgraphRAG 相当的事实质量。
说明基于粗粒度试次级标签的鲁棒脑电情绪识别（应对试次内情绪波动）
简介该论文针对脑电情绪识别中只有整段试次级标签的问题，指出把整段标签赋予所有时间窗口，会使部分与整体情绪状态不符的窗口获得不可靠标签。作者提出VARY框架，包含两阶段样本选择策略以识别标签可靠的脑电窗口，并提出面向脑电的数据增强方法MixAug。在两个公开数据集、三种网络结构和多种标签噪声设置下，该方法相比最佳基线在DREAMER上最高提升11.54%准确率，在SEED上最高提升5.39%。
说明深度学习用于宫颈细胞学筛查：方法、算法、挑战与展望的综述
简介这是一篇综述论文，梳理了深度学习在宫颈细胞学筛查中的研究进展。文章按数据规模、功能任务和监督方式对领域进行组织，比较了16个公开细胞学数据集上的性能，并评估了商业系统、监管现状与低资源地区的部署情况。作者认为，单细胞分类基准已趋于饱和，未来进展依赖多中心基准、外部验证及前瞻性临床试验。
说明MAC-Bench：通过相互关联的任务评估多智能体协作
简介本文提出MAC-Bench，一个用于评估大语言模型多智能体系统协作能力的基准。它不预设智能体角色或通信协议，而是把协作需求嵌入任务之间的依赖关系和共享资源约束中。研究从已有基准任务中挖掘可复用的局部协作模式与全局任务结构，再组合成任务图，并在可执行环境中自动验证部分进展和任务完成情况。
说明超越插补：基于树嵌入的掩码自适应共形预测，适用于一般缺失数据机制
简介本文提出一种共形预测方法，在含缺失值的数据上进行不确定性量化，且无需对协变量插补。方法通过树嵌入结合原始缺失掩码表示每个输入，并学习带正则化的分位数评分函数。该方法在多种缺失机制下给出不同层次的有效性保证，并在合成和真实数据实验中降低了漏覆盖风险，同时保持区间信息量，在非MCAR情形下效果尤为明显。
说明基于传感器驱动的物理信息神经网络，用于实时以居住者为中心的供暖控制
简介传统供暖系统通常依赖单点或稀疏的固定测温，忽略了室内温度分布不均及居住者位置的舒适需求。本研究提出一种控制导向的物理信息神经网络（PINN）模型，用于预测室内温度场，并据此实现以居住者位置为中心的供暖控制。该方法在三种房间尺度配置的九个水平测量面上进行了验证，与经过验证的COMSOL仿真相比，预测的最大相对误差低于1.85%。
说明已交付却未使用：在使用点评估智能体记忆
简介该论文提出MemUse，用于在记录的智能体轨迹中，于记忆被提供的那一刻评估记忆的实际使用情况，并追踪其后续行动与结果。在三个记忆系统的8000个SWE-bench Verified片段上，解决率与无记忆基线相差不超过0.4个百分点，但MemUse显示多数交付条目不相关，多数相关条目未被使用。
说明EarlySelectKV：通过跨层查询代理提前选择KV缓存
简介该论文提出EarlySelectKV，一种免训练的方法，用较早隐藏状态生成的代理查询提前计算稀疏KV索引，同时保留真实目标层查询进行最终注意力计算。在RocketKV、Quest和Loki上的测试未显示一致的质量下降。在TensorRT-LLM部署中，ES-RocketKV最多提升12.4%的端到端输出吞吐量，并减少11.1%的GPU驻留内存。
说明面向安全视觉-语言-动作模型的路径引导CBF-QP修复方法
简介视觉-语言-动作（VLA）模型能生成面向任务的机器人动作，但在障碍物较多的操作场景中不能保证执行安全。论文提出路径引导的CBF-QP修复模块，利用VLA预测的短时域动作块检测被阻挡的名义轨迹，并围绕障碍物生成进入-离开-重新汇入的引导路线。该路线以软引导项加入CBF-QP目标，安全约束仍为硬约束。在SafeLIBERO上，该方法相比AEGIS提升了避碰、任务成功率和SafeSuccess。
说明当标注分歧无法确定 F1 排名
简介该论文研究在对标注分歧进行审计后，两个模型的 F1 排名能否被确定。作者用两个一致性计数给出精确的界限，判断在所有可能的补全情形下排名或在指定 F1 容差内的选择是否成立。在 3200 组冻结的模型对上，共享补全可以收紧界限，0.01 的容差可以降低标注成本。结论仅针对所评估的批次，不适用于未来数据。
说明CST：基于原文证据的轻量级网络讨论风险分诊
简介该论文提出CST，一种轻量级分诊方法，用于帮助版主在大量网络讨论中快速找到有风险的消息。它结合字符模式与多语言句子语义进行风险评分，在普通CPU上运行，并将相关消息分组后挑选代表，同时保留指向原始帖子的链接。论文称，在六项任务中，CST的排序准确率高于完全微调的多语言模型，且在相同阅读预算下能找到更多有害消息。
说明不平衡QSAR回归的比较策略：以hERG活性预测为例
简介本文针对定量构效关系（QSAR）回归任务中的数据不平衡问题，系统比较了数据层面和算法层面的多种处理策略，涵盖GCN和基于指纹的机器学习模型。作者结合领域知识与数据分布将目标区域划分为若干子区域，重点评估实际最受关注的区域。结果表明，基于该关注区域指标选择模型比使用全区域指标更可靠，且不同策略的效果随模型类型而异。
说明SMART-AIMC：面向模拟内存计算的灵敏度感知混合ADC分辨率框架
简介该论文提出SMART-AIMC框架，用于模拟内存计算（IMC）中的ADC分辨率分配。它通过ADC通道灵敏度（ACS）指标，将任务损失与ADC量化噪声关联，把高精度ADC资源分配给关键计算，并采用基于灵敏度的通道重排方案应对硬件粒度限制。论文称该方法在多种负载上实现了更优的精度-能耗权衡，并可在接近数字推理精度时，相比INT8数字基线取得6.99倍的建模系统能效提升。
说明Fréchet 口部距离：一种用于语音驱动口部动画的无坐标评价指标与基准
简介该论文提出 Fréchet 口部距离（FOD），利用口部运动编码器（OME）的嵌入和 TIMIT-Vis 参考分布来评估语音驱动口部动画的质量。实验显示，FOD 得出的模型排序与基于坐标的 Lip Vertex Error（LVE）相近，且与用户偏好趋势一致。该框架无需昂贵设备或主观评价，即可进行客观、可重复的基准测试，并可扩展用于比较多种 2D/3D 模型。
说明MatMoE：面向高效推理的动态混合精度量化混合专家模型
简介本文提出MatMoE，一种用于高效混合专家（MoE）大语言模型推理的动态混合精度量化框架。它通过套娃式（Matryoshka）专家量化、减少冗余内存访问的量化方法，以及依据路由分数动态分配每个专家比特宽度的策略，适应解码过程与系统延迟的变化。论文称其在三个MoE模型上比现有静态混合精度方法准确率高4.0%至18.3%，并在树莓派5、NVIDIA RTX 4090和Jetson AGX Orin上相对llama.cpp取得1.2至3.7倍的加速。
说明SparseLift：自动优化工业级推荐模型训练中的不透明稀疏计算路径
简介本文提出SparseLift，一种面向大规模推荐模型训练的稀疏路径编译器。它把原本在计算图中作为不透明节点的稀疏运算与集合通信展开为可分析的子图，以扩大整图优化空间。在工业视频平台任务（1000亿稀疏参数）上，稳态训练吞吐提升16.5%；在DLRM基准上，相对DLRM-Baseline和TorchRec分别获得1.60倍和1.26倍的模型执行加速。
说明基于长时程状态追踪的即时技能检索
简介该论文针对大语言模型智能体在长时程任务中如何确定所需技能的问题，提出即时技能检索方法，即在执行过程中根据新出现的需求动态选择技能。作者提出JitSkill框架，通过持续追踪任务状态，将新需求与已有任务进展关联起来。论文称在三个智能体基准上的实验证明该方法有助于提高长时程任务的完成率。
说明MemHarmBench：评估具有持久记忆的AI智能体中的跨会话提示注入风险
简介该论文提出MemHarmBench，一个以受害者为中心的基准，用于评估具有持久记忆的AI智能体中的跨会话提示注入。测试先让智能体接触恶意指令并检查其是否被保存在记忆中，随后删除攻击内容，在保留记忆的情况下开始新的合法任务，并综合评估智能体是否遵循攻击者意图、完成任务以及是否出现可观察的异常。研究发现，此类攻击在行为上可能难以察觉，智能体仍可能在看似正常完成任务的同时做出符合攻击者意图的关键决策。
说明在扩散 Transformer 中恢复语义保真度，实现免训练的高分辨率图像生成
简介基于扩散 Transformer（DiT）的文生图模型超出训练分辨率直接生成时，常出现语义退化。该论文提出一种免训练框架：文本-视觉尺度解耦注意力模块在保留文本令牌全局感受野的同时，使图像令牌的感受野与训练分辨率对齐；结构-细节引导策略则通过尺度和时间维度的引导显式建模结构与细节。实验表明，该方法在结构一致性和细节保真度上优于现有免训练方法。
说明SPAR：多轮B2B销售中由经验驱动的策略演化
简介该论文提出SPAR框架，把销售策略视为可检验的假设，并在不更新模型参数的情况下不断修正。框架采用双循环结构：内循环通过情景记忆适应单个商家，外循环通过因果归因和假设驱动的演化来更新共享的策略手册。作者在1688平台上对超过20万商家进行了实时A/B测试，结果显示转化率提升15.8%，高意向商家增长35.8%。领域专家的人工评估中，SPAR的整体销售质量得分为4.62（满分5分），在所有对比方法中最高。
说明从协方差直接映射到波束成形器的低延迟混合ISAC波束成形及后续波达方向估计
简介该论文针对集成感知与通信（ISAC）系统中先估计方向再求解波束成形的两阶段流程延迟较高的问题，提出一种波束成形深度神经网络（BFDNN）。该网络直接把协方差矩阵特征映射为混合波束成形权重，推理时省去波达方向（DoA）估计步骤。在所评估的平台上，其波束预测延迟比基于MUSIC及分类、回归深度网络的方案低25至30倍，波束方向图相近、有效频谱效率更高，并可从生成的辐射方向图间接推断目标方向。
说明面向多框架WebUI代码生成的分阶段多模态大模型微调
简介多模态大语言模型能把WebUI截图转成HTML/CSS，但面对React、Vue、Angular等多个框架时，常因混用框架语法、违反框架约束而导致编译失败。本文提出一种分阶段微调方法：先做归一化映射保留各框架原生语法，再离线估计框架间的异质性与兼容性，通过最大化分阶段目标自动确定训练分组及顺序，最后进行分阶段适配器微调以减少框架间干扰。多个基准上的实验表明，该方法提升了生成质量和编译成功率。
说明SEALECT：基于场景条件姿态先验的合理船舶检索
简介该论文研究海上图像中的场景条件目标检索，用于合成式图像增强。作者提出SEALECT框架，将视觉相似度、船舶姿态、尺度与场景几何统一到一个综合评分中，并用非参数核函数建模姿态与尺度先验。在七个海上基准上，其训练后的检索器召回率超过SigLIP 2；免训练的先验进一步提高几何合理性，并在盲测的端到端合成图像中排名第一。
说明GaitFM：面向可穿戴步态评估的跨模态基础模型
简介本文提出GaitFM，一个基于惯性测量单元（IMU）传感器的步态评估跨模态基础模型。它将大型视觉模型的知识迁移到传感器数据上，并在约4000名参与者、123万个步态窗口的未标注IMU数据上进行预训练。该模型在18项步态相关任务中表现良好，并能适应不同的传感器配置和佩戴部位。